InterviewAI — 智能面试训练平台

基于 Spring Boot + DeepSeek API 的 AI 面试模拟 + 知识库管理平台。支持 Pipeline / Subagent 双模式面试、混合知识库检索（RAG）、简历 AI 分析、SSE 流式评分。

核心功能

┌─────────────────────────────────────────────────────────────┐
│  ① AI 双模式面试                                            │
│     Pipeline 固定流程 → 逐题作答/评分/报告                    │
│     Subagent 协同架构 → AI 自主出题/追问/收尾                │
├─────────────────────────────────────────────────────────────┤
│  ② 混合知识库检索（RAG）                                    │
│     BM25 + BGE-m3 双路召回 → RRF 融合 → Reranker 精排门控    │
│     父子双层分块（LLM 语义父块 + 递归规则子块）               │
│     AI 回答卡片 + 来源笔记列表                              │
├─────────────────────────────────────────────────────────────┤
│  ③ 简历 AI 分析                                             │
│     PDFBox 解析 + Tesseract OCR → 综合评分/岗位匹配/改进建议  │
├─────────────────────────────────────────────────────────────┤
│  ④ SSE 流式评分 + 报告                                      │
│     评分/追问/报告三路流式推送，Markdown 实时渲染             │
├─────────────────────────────────────────────────────────────┤
│  ⑤ 面试数据看板                                             │
│     ECharts 趋势图 + 薄弱点分布 + Top5 排名                   │
├─────────────────────────────────────────────────────────────┤
│  ⑥ 面经社区 + 用户系统                                      │
│     JWT 认证 + @RateLimit 限流 + MySQL LIKE 搜索 + AI 总结   │
└─────────────────────────────────────────────────────────────┘

技术栈

层	技术
后端	Spring Boot 2.7 + MyBatis-Plus 3.5 + Maven
数据库	MySQL 8.0 + Redis 7
认证/限流	JWT 无状态认证 + 自定义 @RateLimit 注解 + Redis 滑动窗口
AI 平台	DeepSeek API（chat / chatStream 两种模式，未采用 Function Calling）
Embedding	BAAI/bge-m3（1024 维，硅基流动）
Reranker	BAAI/bge-reranker-v2-m3（cross-encoder 精排，sigmoid k=3 归一化）
BM25	自研（2-gram 中文分词 + ConcurrentHashMap 倒排索引）
评估	RAGAS 四维指标（ContextPrecision / ContextRecall / Faithfulness / AnswerRelevancy）
OCR/PDF	Tesseract OCR（chi_sim+eng）+ Apache PDFBox
接口文档	Knife4j 4.1（Swagger 增强）
前端	Vue 3 + Element Plus + ECharts 6 + Axios + Vite

项目结构

interview-ai/
├── sql/                                    # 数据库迁移脚本
│   ├── schema.sql                          # 初始建表
│   ├── V2__knowledge_entry.sql             # 知识笔记表
│   ├── V3__search_eval.sql                 # 检索评测标注表
│   ├── V4__api_usage_log.sql               # Token 用量日志
│   ├── V5__follow_up_support.sql           # 追问机制
│   ├── V6__knowledge_chunk.sql             # 语义分块表
│   ├── V7__agent_mode.sql                  # Agent 模式字段（幂等）
│   ├── V8__ragas_eval_data.sql             # 种子笔记 + 标注 query
│   ├── V9__parent_child_chunk.sql          # 父子双层分块
│   ├── V10__index_optimization.sql         # 索引优化
│   ├── V11__api_usage_log_duration.sql     # Token 用量耗时/成功率列
│   ├── V12__agent_state_machine.sql        # Agent 面试状态机（幂等）
│   └── V13__follow_up_chain.sql            # 追问链 JSON 列（幂等）
├── src/main/java/com/interviewai/
│   ├── controller/
│   │   ├── UserController                  # 用户（注册/登录）
│   │   ├── InterviewController             # Pipeline 面试 + 简历分析 + SSE
│   │   ├── AgentInterviewController        # Agent 面试（Subagent 协同）
│   │   ├── KnowledgeController             # 知识库 CRUD + 混合检索
│   │   ├── ExperienceController            # 面经库
│   │   ├── DashboardController             # 仪表盘统计
│   │   ├── FileController                  # 文件上传
│   │   └── UsageController                 # Token 用量统计
│   ├── service/
│   │   ├── AiService                       # AI 出题/评分/报告/分块/标签/摘要
│   │   ├── AgentInterviewService           # Subagent 面试引擎
│   │   ├── HybridSearchService             # BM25 + 向量 + Reranker 混合检索
│   │   ├── EmbeddingService                # Embedding 生成与父子分块
│   │   └── PdfService                      # PDF 解析（PDFBox + OCR）
│   ├── utils/
│   │   ├── DeepSeekClient                  # DeepSeek HTTP 封装（chat/stream/chatWithTools）
│   │   ├── EmbeddingClient                 # 硅基流动 Embedding API
│   │   ├── RerankerClient                  # 硅基流动 Reranker API + sigmoid 归一化
│   │   ├── Bm25Index                       # 自研 BM25 内存索引（2-gram 分词）
│   │   ├── PromptTemplate                  # 全部 Prompt 模板
│   │   ├── RagasMetrics                    # RAGAS 四维评估引擎
│   │   └── TesseractClient                 # Tesseract OCR 调用
│   ├── interceptor/                        # JwtInterceptor + RateLimitInterceptor
│   ├── annotation/                         # @RateLimit 注解
│   ├── aop/                                # OperationLogAspect
│   └── common/                             # Result / ResultCode(36) / GlobalExceptionHandler
├── frontend/
│   ├── src/api/                            # 6 个 API 模块
│   ├── src/views/                          # 13 个页面（创建/编辑复用 KnowledgeCreate）
│   │   ├── InterviewCreate.vue             # 创建面试（Pipeline/Agent 切换 + 简历分析）
│   │   ├── InterviewRoom.vue               # Pipeline 答题（SSE 流式评分）
│   │   ├── InterviewAgentRoom.vue          # Agent 聊天面试（Subagent 驱动）
│   │   ├── InterviewReport.vue             # 面试报告
│   │   ├── InterviewHistory.vue            # 历史记录
│   │   ├── Home.vue                        # 仪表盘首页（ECharts 图表）
│   │   ├── KnowledgeList.vue               # 知识库列表 + 混合检索
│   │   ├── KnowledgeCreate.vue             # 创建/编辑笔记（Markdown）
│   │   ├── KnowledgeDetail.vue             # 笔记详情 + 关联推荐
│   │   ├── ExperienceList.vue              # 面经库
│   │   ├── Login.vue / Register.vue        # 登录/注册
│   │   └── Profile.vue                     # 个人中心
│   ├── src/router/                         # 14 条路由 + 鉴权守卫
│   └── src/components/                     # NavBar 等公共组件
└── CLAUDE.md                               # AI 协作规则

本地运行

环境要求

JDK 11+ / Maven 3.6+
MySQL 8.0 / Redis 7
Node.js 16+（前端）
Tesseract OCR（可选，用于扫描件简历解析）
DeepSeek API Key + 硅基流动 API Key（Embedding / Reranker）

1. 数据库初始化

mysql -u root -p < sql/schema.sql
mysql -u root -p < sql/V2__knowledge_entry.sql
mysql -u root -p < sql/V3__search_eval.sql
mysql -u root -p < sql/V4__api_usage_log.sql
mysql -u root -p < sql/V5__follow_up_support.sql
mysql -u root -p < sql/V6__knowledge_chunk.sql
mysql -u root -p < sql/V7__agent_mode.sql
mysql -u root -p < sql/V8__ragas_eval_data.sql
mysql -u root -p < sql/V9__parent_child_chunk.sql
mysql -u root -p < sql/V10__index_optimization.sql
mysql -u root -p < sql/V11__api_usage_log_duration.sql
mysql -u root -p < sql/V12__agent_state_machine.sql
mysql -u root -p < sql/V13__follow_up_chain.sql

V12/V13 含中文 COMMENT，Windows mysql 客户端执行需加 --default-character-set=utf8mb4（否则报 ERROR 1366）；两者均为幂等存储过程，可重复执行。

2. 配置文件

编辑 src/main/resources/application-dev.yml：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/interview_ai?useUnicode=true&characterEncoding=utf-8
    username: root
    password: your_password
  redis:
    host: localhost
    port: 6379

interview:
  deepseek:
    api-key: your_deepseek_api_key
    base-url: https://api.deepseek.com
  embedding:
    api-key: your_siliconflow_api_key
    base-url: https://api.siliconflow.cn

3. 启动

# 后端
mvn spring-boot:run
# 接口文档：http://localhost:8080/doc.html

# 前端
cd frontend
npm install
npm run dev
# 访问：http://localhost:3000

核心 API

接口	说明
`POST /api/user/register`	注册
`POST /api/user/login`	登录，返回 JWT
`POST /api/interview/start`	创建 Pipeline 面试，AI 预出题
`POST /api/interview/{recordId}/questions/{questionId}/answer`	提交答案，AI 评分
`POST /api/interview/{recordId}/questions/{questionId}/answer-stream`	SSE 流式评分
`POST /api/interview/{recordId}/finish-stream`	SSE 流式报告生成
`POST /api/interview/{recordId}/questions/{questionId}/follow-up-stream`	SSE 流式追问评分
`POST /api/interview/agent/start`	创建 Agent 面试（Subagent）
`POST /api/interview/agent/{recordId}/chat`	Agent 对话
`POST /api/interview/agent/{recordId}/chat/stream`	Agent 对话 SSE 流式
`POST /api/interview/agent/{recordId}/abort`	中止进行中的 Agent 面试
`POST /api/interview/resume/analyze`	AI 简历分析
`GET /api/interview/{recordId}/weak-topics`	薄弱知识点分析
`GET /api/interview/{recordId}/match-knowledge`	匹配知识库推荐笔记
`GET /api/knowledge/hybrid-search`	BM25 + 向量 + Reranker 混合检索
`GET /api/knowledge/search-compare`	三路检索对比（BM25 vs 向量 vs 混合）
`GET /api/knowledge/eval-recall`	检索质量评估（Recall@K + MRR）
`GET /api/knowledge/eval-ragas`	RAGAS 四维评估
`GET /api/dashboard`	面试数据看板
`POST /api/file/resume/upload`	简历上传（PDFBox + OCR）
`GET /api/experience/list`	面经库（MySQL LIKE 模糊搜索 + AI 总结）
`GET /api/experience/search?keyword=`	面经 AI 搜索

设计亮点

Agent 模式 — Subagent 协同架构

三个独立 Agent（Orchestrator/Interviewer/Evaluator），各调一次 chat()，差异化 temperature：Orchestrator 0.5（决策稳定）、Interviewer 0.7（出题多样性）、Evaluator 0.2（评分一致性）。显式状态机（AWAITING_ANSWER → EVALUATING → AWAITING_DECISION → AWAITING_ANSWER/COMPLETED，白名单校验跳转）+ Java 代码控制调度（ASK_QUESTION → EVALUATE → NEXT_QUESTION/FOLLOW_UP/FINISH），安全阀：追问 ≤ 2 层（内容驱动，最多追到薄弱点）、总轮数 ≤ 8 轮。对话走 POST /agent/{recordId}/chat/stream SSE（message/status/error 事件），前端逐条流式渲染，失败自动回退同步接口。

未采用 Function Calling（chatWithTools）方案：FC 一次调用三个角色共用 temperature，决策稳定和出题多样性互相矛盾。拆成三个独立 Agent 后各自控制温度，流程也由代码显式控制而非依赖 AI 自主决策。

混合检索 — BM25 + 向量双路召回 → RRF 融合 → Reranker 精排 → 相关性门控

自研 BM25：2-gram 中文分词 + ConcurrentHashMap 倒排索引 + @PostConstruct 全量加载 + 写操作增量更新，数百条笔记毫秒级响应，无需引入 ES。与 BGE-m3 向量语义召回（子块级 + entry 级双路）合并后 RRF(k=60) 融合，送入 BGE-reranker-v2-m3 交叉编码器精排，sigmoid(k=3) 归一化到 [0,1]，最后按阈值 0.45 门控（API 失败时 fallback 全量保留）。用户搜索实际走 hybridSearchWithRewrite：LLM Query Rewrite 多路召回 → 跨查询 RRF → 单次 Reranker。

父子双层分块

LLM 按主题边界切父块（PARENT），存完整段落上下文；每个父块内部递归规则按 \n\n → \n → 。→ ；→ ， 优先级拆成 ~300 字子块（CHILD），生成向量用于检索。命中子块 → 返回所属父块完整内容。LLM 管"在哪切"，规则管"切多细"，各司其职，成本可控。

RAGAS 评估体系

四维指标（ContextPrecision / ContextRecall / Faithfulness / AnswerRelevancy）+ 15 篇种子笔记 + 16 条标注 query（3 个难度组），量化验证每次改动。三项优化：批量声明提取（N→1 次 API 调用）、声明去重缓存、短答案跳过。

SSE 流式评分

评分、追问评分、报告生成三路 SseEmitter 流式推送，前端 EventSource 逐字渲染 Markdown。保留非流式 Fallback。

工程化实践

36 个业务错误码覆盖 7 个领域，GlobalExceptionHandler 统一捕获 6 类异常
@RateLimit 注解 + Redis 滑动窗口，fail-open 策略保证 Redis 故障时可用
Resilience4j 熔断保护 AI API 调用（10 次窗口 / 50% 失败率 / open 30s 自动恢复）+ Actuator 健康检查 + HikariCP 连接池调参
API Token 用量追踪（api_usage_log，含耗时/成功率，16 种 purpose 分类）
V7/V12/V13 幂等迁移（存储过程查 INFORMATION_SCHEMA 避免重复 DDL）
文件安全：类型白名单 + 大小校验 + Tesseract 子进程隔离
20 个测试类，137 个测试用例（AgentInterviewEvalTest 离线评测默认 @Disabled，开启需 dev 库 + 真 API）

Name		Name	Last commit message	Last commit date
Latest commit History 62 Commits
.github/workflows		.github/workflows
frontend		frontend
scripts		scripts
sql		sql
src		src
.editorconfig		.editorconfig
.env.example		.env.example
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
README.md		README.md
pom.xml		pom.xml
start-all.bat		start-all.bat

Navigation Menu

Repository files navigation

InterviewAI — 智能面试训练平台

核心功能

技术栈

项目结构

本地运行

环境要求

1. 数据库初始化

2. 配置文件

3. 启动

核心 API

设计亮点

Agent 模式 — Subagent 协同架构

混合检索 — BM25 + 向量双路召回 → RRF 融合 → Reranker 精排 → 相关性门控

父子双层分块

RAGAS 评估体系

SSE 流式评分

工程化实践

About

Releases

Packages

Contributors

Languages

Folders and files

Latest commit

History

Repository files navigation

InterviewAI — 智能面试训练平台

核心功能

技术栈

项目结构

本地运行

环境要求

1. 数据库初始化

2. 配置文件

3. 启动

核心 API

设计亮点

Agent 模式 — Subagent 协同架构

混合检索 — BM25 + 向量双路召回 → RRF 融合 → Reranker 精排 → 相关性门控

父子双层分块

RAGAS 评估体系

SSE 流式评分

工程化实践

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages